Google Vertex AI Agent とリアルタイムの BigQuery データを CData Connect AI で統合

Yazhini G
Yazhini G
Technical Marketing Engineer
CData Connect AI のリモート MCP サーバーを活用して、Vertex AI ADK エージェントがインテリジェントなワークフロー内でリアルタイムのBigQuery のデータにセキュアにアクセスし、操作できるようにします。

Vertex AI は、Agent Development Kit（ADK）を使用して AI エージェントを構築するための開発エコシステムを提供します。ADK を使用すると、開発者は推論、アクション実行、構造化されたツールインターフェースを通じた外部システムとの連携が可能なツール拡張エージェントを作成できます。これらのエージェントは ADK Web インターフェースでローカルにテストでき、エンタープライズワークフロー向けの高度なロジックで拡張できます。

Vertex AI ADK を CData Connect AI の組み込み MCP（Model Context Protocol）サーバーと統合することで、エージェントはリアルタイムでBigQuery のデータをクエリ、分析、操作できるようになります。 この接続により、Google のエージェント構築フレームワークと CData Connect AI のガバナンスされたエンタープライズ接続が橋渡しされ、すべてのリクエストが手動のデータ移動なしに認可されたデータソースに対してセキュアに実行されます。

この記事では、Connect AI で BigQuery 接続を設定し、必要な認証トークンを生成し、Vertex AI ADK 環境を設定し、エージェントが CData MCP サーバーを通じてリアルタイムのBigQuery のデータと正常に通信できることを確認する手順を説明します。

BigQuery データ連携について

CData は、Google BigQuery のライブデータへのアクセスと統合を簡素化します。お客様は CData の接続機能を以下の目的で活用しています：

  • OAuth、OAuth JWT、GCP インスタンスなど、すぐに使える幅広い認証スキームのサポートにより、BigQuery へのアクセスを簡素化します。
  • BigQuery と他のアプリケーション間の双方向データアクセスにより、データワークフローを強化します。
  • SQL ストアドプロシージャを通じて、ジョブの開始・取得・キャンセル、テーブルの削除、ジョブロードの挿入など、主要な BigQuery アクションを実行できます。

多くの CData のお客様は、Google BigQuery をデータウェアハウスとして使用しており、CData ソリューションを使用して、別々のソースからビジネスデータを BigQuery に移行し、包括的な分析を行っています。また、BigQuery データの分析やレポート作成に当社の接続機能を使用するお客様も多く、両方のソリューションを使用しているお客様も多数います。

CData が Google BigQuery 体験をどのように向上させるかについての詳細は、ブログ記事をご覧ください：https://jp.cdata.com/blog/what-is-bigquery


はじめに


ステップ1：Vertex AI 用の BigQuery 接続を設定

Vertex AI から BigQuery への接続は、CData Connect AI のリモート MCP サーバーを通じて実現できます。Vertex AI からBigQuery のデータを操作するには、まず CData Connect AI で BigQuery 接続を作成・設定します。

  1. Connect AI にログインして「Sources」をクリック、次に「 Add Connection」をクリック
  2. 接続を追加パネルから「BigQuery」を選択
  3. BigQuery に接続するために必要な認証プロパティを入力します。

    BigQuery 接続プロパティの取得・設定方法

    Google BigQuery はOAuth 認証標準を使用します。個々のユーザーとしてGoogle API にアクセスするには、組み込みクレデンシャルを使うか、OAuth アプリを作成します。

    OAuth では、Google Apps ドメインのユーザーとしてサービスアカウントを使ってアクセスすることもできます。サービスカウントでの認証では、OAuth JWT を取得するためのアプリケーションを登録する必要があります。

    OAuth 値に加え、DatasetId、ProjectId を設定する必要があります。詳細はヘルプドキュメントの「はじめに」を参照してください。

  4. 「Save & Test」をクリック
  5. 「Permissions」タブに移動し、ユーザーベースの権限を更新します

パーソナルアクセストークンの追加

パーソナルアクセストークン（PAT）は、Vertex AI から Connect AI への接続を認証するために使用されます。アクセスを細かく管理するため、統合ごとに個別の PAT を作成することをお勧めします。

  1. Connect AI アプリの右上にある歯車アイコン（）をクリックして設定を開きます
  2. 設定ページで「Access Tokens」セクションに移動し、「 Create PAT」をクリックします
  3. PAT にわかりやすい名前を付けて「Create」をクリックします
  4. トークンが表示されたらコピーして安全に保管します。再度表示されることはありません

BigQuery 接続が設定され PAT が生成されたので、Vertex AI は CData MCP サーバーを通じてBigQuery のデータに接続できるようになりました。

ステップ2：必要な依存関係をインストール

Vertex AI ADK が Gemini モデルを実行し、エージェント環境を構築し、Google Cloud プロジェクト内のサポートサービスにアクセスできるように、必要な Google Cloud API を有効にします。これらの API は、開発と実行時に ADK が依存するバックエンド機能を提供します。

  1. Google Cloud Console にアクセスします
  2. ページ上部の「Project Picker」をクリックし、「New Project」を選択します
  3. プロジェクトを作成し、「Project ID」をメモします。この ID は後で環境設定で使用します
  4. 左側のナビゲーションメニューから「APIs & Services」を開き、「Enabled APIs & Services」を選択します
  5. 「 Enable Apis and services」をクリックします
  6. 以下の API を有効にします：
    • Vertex AI API
    • Cloud Build API
    • Artifact Registry API
    • Service Networking API
    • Cloud Logging API

これらのサービスを有効にすると、Google Cloud プロジェクトで Vertex AI ADK の開発とローカルツール実行の準備が整います。

Vertex AI ADK プロジェクトフォルダの準備

プロジェクトディレクトリを作成し、Python 環境をセットアップします。このステップにより、ADK が正しくインストールされ、依存関係の競合なしにエージェントをロードできるクリーンなワークスペースが準備されます。

  1. Google Cloud Console を開き、Cloud Shell を選択します。プロジェクトピッカーから作成したプロジェクトが選択されていることを確認してください。
  2. ADK プロジェクトディレクトリを作成します：
    3. 				mkdir -p ~/adk_agents/cdata_mcp_agent
				cd ~/adk_agents/cdata_mcp_agent
  3. Python 仮想環境を作成してアクティベートします：
    4. 		python3 -m venv .venv
		source .venv/bin/activate
  4. 必要な ADK および MCP パッケージをインストールします：
    5. 				python -m pip install --upgrade pip
				python -m pip install google-adk
				python -m pip install mcp
				python -m pip install --upgrade "google-cloud-aiplatform[agent_engines]"

ステップ3：ADK エージェントファイルを作成

ADK がエージェントを認識できるようにエージェントモジュールを定義します。この構造により、Vertex AI が MCP 設定をロードし、CData MCP サーバーが公開するツールを登録できます。

  1. agent.py ファイルを作成し、以下のコードを貼り付けます
    2. 		
import os
import base64
import logging

from google.adk.agents import LlmAgent
from google.adk.tools.mcp_tool.mcp_toolset import MCPToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StreamableHTTPConnectionParams

# ---------- Logging ----------
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

# ---------- CData MCP config ----------
CDATA_MCP_URL = os.environ.get("CDATA_MCP_URL", "https://mcp.cloud.cdata.com/mcp")
CDATA_USER_ID = os.environ.get("CDATA_USER_ID")
CDATA_PAT = os.environ.get("CDATA_PAT")

tools = []

if not (CDATA_USER_ID and CDATA_PAT):
    logger.warning(
        "CData MCP credentials not set (CDATA_USER_ID or CDATA_PAT missing); "
        "starting agent WITHOUT MCP tools."
    )
else:
    # Basic auth header: base64("user:pat")
    basic_auth_bytes = f"{CDATA_USER_ID}:{CDATA_PAT}".encode("utf-8")
    basic_auth_header = base64.b64encode(basic_auth_bytes).decode("utf-8")

    try:
        logger.info("Initializing CData MCPToolset against %s", CDATA_MCP_URL)

        tools.append(
            MCPToolset(
                connection_params=StreamableHTTPConnectionParams(
                    url=CDATA_MCP_URL,
                    headers={
                        "Authorization": f"Basic {basic_auth_header}",
                        # ADK handles content-type etc. internally;
                        # we just pass auth headers.
                    },
                ),
            )
        )

        logger.info("CData MCPToolset initialized successfully.")
    except Exception as e:
        logger.exception("Failed to initialize CData MCPToolset")

# ---------- Root agent ----------
root_agent = LlmAgent(
    model="gemini-2.0-flash",
    name="cdata_mcp_agent",
    instruction=(
        "You are a data assistant. Use the CData MCP tools (if available) to "
        "list connections, list catalogs/schemas/tables, and run SQL-style queries."
    ),
    tools=tools,
)
  2. もう1つのファイル __int__.py を作成し、以下のコードを貼り付けます
    3. 		
		from .agent import root_agent
		__all__ = ["root_agent"]

環境変数のエクスポート

Connect AI に認証するために必要な環境変数をエクスポートします。これらの値により、エージェントは MCP ツールセットを初期化し、CData MCP サーバーと通信できます。その前に、ADK が Gemini モデルに認証できるように Google API キーを取得します。このキーにより、エージェントは Vertex AI ADK 環境内で LLM 推論を実行し、ツールコールを正しくルーティングできます。

  1. Google AI Studio API Key ページにアクセスします
  2. 「Create API Key」をクリックします。API キーに名前を付け、プロジェクトがない場合は選択または作成します
  3. 「Create a key」をクリックし、API キーをコピーします
  4. Google Cloud Shell ページに戻り、環境変数のエクスポートを実行します。「your_cdata_email」、「your_pat」、「your-project-id」、「your_google_api_key」を実際の値に置き換えてください
    5. 		export CDATA_MCP_URL="https://mcp.cloud.cdata.com/mcp"
		export CDATA_USER_ID="your_cdata_email"
		export CDATA_PAT="your_pat"
		export GOOGLE_API_KEY="your_google_api_key"
		export VERTEXAI_PROJECT="your-project-id"
		export VERTEXAI_LOCATION="us-central1"

ステップ4：ADK Web インターフェースを起動

ADK Web インターフェースを起動してエージェントをロードします。インターフェースはランタイムを初期化し、MCP 対応エージェントをインタラクティブテスト用に利用可能にします。

  1. 親フォルダに移動します：
    2. 				cd ~/adk_agents
  2. ADK Web を起動します：
    3. 				adk web .

ステップ5：エージェントを選択して MCP 接続をテスト

ADK Web インターフェースからエージェントを選択します。ADK は MCP ツールをロードし、リアルタイムの MCP クエリを実行できるように環境を準備します。

  1. ブラウザタブから ADK Web UI を開きます
  2. エージェントのドロップダウンから「cdata_mcp_agent」を選択します
  3. チャットパネルに「list catalogs」と入力します。ADK は Connect AI 接続のリアルタイムリストを返します

これで、Vertex AI ADK エージェントは CData Connect AI MCP サーバーと通信し、リモート MCP ツールを通じてリアルタイムのBigQuery のデータメタデータを取得できるようになりました。

CData Connect AI を入手

300 以上の SaaS、ビッグデータ、NoSQL ソースへのリアルタイムデータアクセスをクラウドアプリケーションから直接取得するには、CData Connect AI を今すぐお試しください！

はじめる準備はできましたか？

CData Connect AI の詳細、または無料トライアルにお申し込みください：

無料トライアル お問い合わせ

この記事の内容

関連記事